便宜并不等于好用，在尚未跑通应用场景的情况下，国内大模型开始卷价格，再次上演了“一哄而上——同质化——一地鸡毛”的眼熟路径。
文：中外管理传媒 王爽
责任编辑：胸怀天下
9月12日，据彭博社报道，OpenAI正在考虑以1500亿美元的估值，从投资者那里筹集65亿美元资金。
根据公开资料显示，今年年初，OpenAI的年收入已超过34亿美元。然而，尽管OpenAI的收入颇丰，但其支出更大。外媒报道称，到今年底，OpenAI的亏损将接近50亿美元，而且其现金流可能在未来一年内耗尽。因此，OpenAI不得不再次启动新一轮融资。
此外，除了融资，OpenAI极有可能采取另一项增收措施——涨价。据外媒报道，OpenAI传闻已久的推理大模型“Strawberry”和下一代大语言模型“Orion”的订阅价格最高可能将达到2000美元/月。也有AI博主在社交媒体上分享称，发现ChatGPT推出了公众尚不可见的Pro会员灰度测试，定价为每月200美元，功能和模型却没有明显的升级，因此疑与Strawberry有关。
相比之下，ChatGPT目前的基础付费服务ChatGPT Plus每月收费20美元，面向中小型企业的ChatGPT Team方案每月也只需要25至30美元。无论OpenAI是否涨到100倍的天价，敢于涨价本身对国产大模型来说，都是一种“奢望”。在经历了一段时间的“技术狂飙”之后，国产大模型迅速进入到价格战阶段，字节、阿里、百度、腾讯等国内多家大模型厂商竞相降价。
为何OpenAI在调整其产品定价，而国内的大模型却在进行激烈的价格竞争？
创新为何演变为价格战？
不久前，OpenAI的“停服”消息一出，国内AI大模型公司纷纷上线“迁移计划”，且一举打出“免费”旗号。
百度旗下的文心旗舰模型首次免费，针对OpenAI迁移用户额外赠送与OpenAI使用规模对等的ERNIE3.5旗舰模型字符包。阿里云百炼宣布，将通义千问GPT4级主力模型Qwen-plus的API定价，调整为OpenAI的1/50，并为中国开发者提供2200万免费字符和专属迁移服务。腾讯云为新注册企业用户免费赠送1亿字符，还将为新迁移企业用户提供免费专属迁移工具和服务。
除了巨头外，国内几个AI大模型代表性初创企业也纷纷争夺这波流量。硅基流动豪气地将部分开源大模型永久免费。与此同时，Kimi公司也发布了一项迁移方案，宣称其开放平台接口与OpenAI完全兼容，能够在最短时间内完成迁移。智谱AI亦推出了“OpenAI API用户特别搬家计划”，向开发者提供1.5亿字符及迁移培训服务。
近期国产大模型的价格调整，是行业内的普遍趋势。今年5月，国产大模型就经历了一次集体降价。例如，智谱AI在5月11日宣布降价80%，入门级产品GLM-3 Turbo模型的调用价格大幅下降；字节跳动、阿里巴巴、百度和腾讯等公司，也相继降低了各自大模型的使用费用或提供了免费服务。
一哄而上——同质化——一地鸡毛
国产大模型价格之所以持续下降，并非因为“财大气粗”，更多的原因是，ChatGPT大模型推出近两年后，大模型的算法革新与模型优化。
随着算力成本的下降和模型算法的优化，模型厂商自身的成本也在下降。例如，英伟达GPU、谷歌TPU和华为昇腾等硬件的性能提升，都有助于降低成本。因此，从技术发展的角度来看，未来大模型的价格有望继续下降。
猎豹移动董事长兼CEO傅盛在一次媒体采访中提到，大模型降价的核心原因不仅是大模型厂商自己内卷，而是苹果、微软、高通、联想等设备厂商纷纷重兵投入本地化AI算力和本地大模型的结果，AI PC、AI Phone将成为主流，通用大模型的使用场景会大幅度受限。
当前中文大模型市场空间有限，竞争的加剧，必然推动各厂商主动降价以争取用户。虽然用低价扩大用户规模，再用服务留存用户，是正确的竞争思路。然而，便宜并不等于好用，在尚未跑通应用场景的情况下，国内大模型开始卷价格，再次上演了“一哄而上——同质化——一地鸡毛”的眼熟路径。
最重要的是降价和免费，并不能解决当前大模型落地的核心问题。阿里巴巴技术副总裁贾扬清就曾经表示，大模型实现质的提升，关键在于模型计算效率要提升，算力芯片成本要下降，单纯靠烧钱形成垄断，只能是劣币驱逐良币。
因此，大模型不应该只向内卷算力、卷参数，更应该向外卷场景、卷问题，才能充分释放大模型的潜力和价值。
在应用方面，我们有先天优势？
此前，360集团创始人、董事长周鸿祎在微博发布视频称，他认为国产大模型与GPT的差距已经逐渐缩小了。国产自研大模型的能力，仅次于美国，正逐渐展现出竞争力，尤其是在落地应用领域。
其实，大模型的落地一直存在“高声量”和“高价值”的区分。国内的大模型玩家基本都认同一个观点，虽然OpenAI存在“高声量”的优势，日活、月活较高、用户体量大，但是对于国内企业来说，“高价值”的事情更值得去做。因此，在应用领域，国内的大模型其实走得不比OpenAI慢。
比如，在国产大模型已经如火如荼地探索了各种落地场景之后，OpenAI在今年8月才发布了一项新功能，允许企业客户用自己公司的数据，对OpenAI最强大的模型GPT-4o进行定制化处理，允许现有的人工智能模型接受关于特定类型任务或主题领域的额外信息训练。
例如，一家生产滑板的公司可以对OpenAI的人工智能模型进行“微调”，以便它作为客服聊天机器人，解决有关轮子和滑板护理等细节问题。而基于国内大模型底座的AI客服，早已运用在国内电商平台。
正是因为过于注重商业落地和回报，美国大模型在卷技术的时候，中国大模型在卷价格。所以即使在应用落地方面国内并不慢，但从技术角度而言，OpenAI也在全球行业内遥遥领先，全球开发者都难望其项背。而中国与其差距远非两到三年。
因为AI有个很依赖的因素：基础研究。
根据资料显示，美国1078家人工智能企业约有78000名员工，中国592家公司中约有39000位员工——是为美国的一半。美国基础层人才数量是中国的13.8倍。根据《全球最具影响力人工智能学者》报告显示，美国以1079人占据首席，占总人数54%，中国则有280人，占比仅为14%。
这种显著的人才差异使得美国在AI产业的基础层、技术层和应用层，特别是在算法、芯片和数据等核心领域拥有明显优势。
此外，中国在AI领域的投资也远不及美国的科技巨头。
2023年，Alphabet（谷歌母公司）、亚马逊、Meta和微软的投资达到了创纪录的1357亿美元，同比增长47%，主要用于AI相关的基础设施。相比之下，中国的科技互联网公司BAT的研发投资总额为929亿元人民币，不到谷歌的一半，可谓输在了起跑线上。也因此，国内大模型从来都是追着OpenAI跑，一直在模仿，从未有超越。
《失控》作者、被誉为“互联网预言家”的凯文·凯利曾说：最深刻的技术是那些看不见的技术，他们将自己编织进日常生活的细枝末节之中，直到成为生活的一部分。”
因此，有人认为，只要掌握商业应用市场，AI的未来就属于中国。但这种观点忽略了一个事实：AI的终极目标是科技的进步，而非商业应用场景的创新。技术才是基石，而应用只是生长在基石之上的毛发。
雷军说，站在风口上，猪都能飞起来。但对于AI来说，我们不应该只是寻找风口，而应该是创造风口。AI应用的目标，不应该是简单地在传统产品上叠加操作系统和语音交互，然后就自满地宣称已经实现了智能化。AI的真正追求应该是技术进步，而不是满足于制造没有技术创新的消费品。
